基于改进的OCC情感模型的自然风景图像分类研究

网络技术的发展和图像获取设备的普及导致数字图像迅速增长,依靠先进的技术提取图像蕴含的情感语义实现图像情感语义分类正是当前各行业急需解决的问题。为此提出一种基于改进的OCC情感模型的自然风景图像情感语义分类方法。通过融入性格、心情因素描述图像的个性情感,使用BP神经网络实现,解决图像分类中的语义理解问题。使用百度图片频道上下载的600张场景图像进行训练和测试,实验通过与人工计算结果相比较,取得了良好的分类效果,可为更多类型的图像情感语义分类打好基础,具有一定的实用价值。

一种基于OCC模型的文本情感挖掘方法

观点挖掘(或情感分析)作为面向网络社会媒体分析挖掘领域的一个核心研究课题,具有重要的研究意义和应用价值。针对传统观点挖掘方法存在的不足和局限性,本文设计并实现了一种基于OCC情感模型的观点挖掘方法。该方法首先采用统计方法,利用WordNet词典、句法依存关系及少量标注数据,自动构建情感维度词典;其次,对所构建的情感维度词典进行求精,通过语义、情感倾向的不一致性处理和非情感词的过滤,得到高质量的情感维度词典;最后,基于所得到的情感维度词典,结合OCC模型中情感维度值与情感类型的对应关系,生成6种主要的情感类型。实验方法表明,此方法在使用灵活性、可解释性和有效性上具有明显的优势。

基于人工智能的情感模型建立

以OCC情感模型和心理学家Ekm an的情感分类两大理论为基础,建立了一个机器人情感模型.本模型通过设计一系列通用型参数,来达到模型适用于多种环境的目的,例如虚拟游戏人物、智能玩具.此外,还引入了情感空间设计,并在情感空间中设计了一系列情感点,可以通过移动情感点或者修改情感点区域的大小,来达到改变情感模型性格特征的目的.*

基于情感计算的个性化E-learning系统的研究

针对当前E-learning系统中缺乏实时师生情感交互的问题,并根据教学环境的特点,选择了教学中学生较常出现的七种基本情绪,根据此简化了OCC情感模型;本文以智能化、情感化为原则,设计了一个个性化的智能情感E-learning教学系统。该系统有四个与情感相关的模块:情绪识别模块、情绪分析模块、反馈模块、评价模块。该系统可以识别每个学生当前的情绪状态,并根据其当前情绪状态以及认知状态给出相应的个性化的能促进学生学习的积极反馈,如调整教学策略,调整教学节奏等。该系统采用二级缓存技术,来进行个性化数据的管理,且该系统最大的特点是情感化与个性化。